新的AgenticRec框架增强了LLM推荐代理

研究人员推出AgenticRec，一个旨在增强基于大型语言模型的推荐代理的新框架。该框架解决了代理的推理过程与推荐反馈之间常见的错位问题，这会限制其理解细微用户偏好的能力。AgenticRec采用两阶段训练方法：面向推荐的轨迹激活用于优化隐式反馈，然后是渐进式偏好细化，通过双向推理来锐化偏好边界。实验表明，AgenticRec能有效提高推荐代理的性能。 AI

影响 通过改善偏好对齐和推理能力，增强了基于LLM的推荐代理。

排序理由 该集群包含一篇详细介绍推荐代理新框架和训练范式的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AgenticRec
• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• large-language models
• Progressive Preference Refinement
• Recommendation-Oriented Trajectory Activation
• ScienceCast
• Tianyi Li

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →